| DC Field | Value | Language |
|---|
| dc.contributor.author | Петров, С. Н. | - |
| dc.contributor.author | Шавловский, С. А. | - |
| dc.contributor.author | Родулевич, А. О. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2024-07-25T13:12:26Z | - |
| dc.date.available | 2024-07-25T13:12:26Z | - |
| dc.date.issued | 2024 | - |
| dc.identifier.citation | Петров, С. Н. Сравнение эффективности алгоритмов классификации для обнаружения признаков DDoS-атак IoT-ботнетов = Comparison of the effectiveness of classification algorithms for detecting signs of DDoS attacks by IoT botnets / С. Н. Петров, С. А. Шавловский, А. О. Родулевич // Технологии передачи и обработки информации : материалы Международного научно-технического семинара, Минск, апрель 2024 г. / Белорусский государственный университет информатики и радиоэлектроники; редкол.: В. Ю. Цветков [и др.]. – Минск, 2024. – С. 83–85. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/56708 | - |
| dc.description.abstract | Проведен сравнительный анализ эффективности алгоритмов классификации для
обнаружения признаков DDoS-атак IoT-ботнетов. Показан значительный разброс
результатов классификации в зависимости от используемого датасета, что говорит о
важности корректного подбора данных для обучения и тестирования моделей машинного
обучения. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | сетевые атаки | en_US |
| dc.subject | ботнеты | en_US |
| dc.subject | машинное обучение | en_US |
| dc.title | Сравнение эффективности алгоритмов классификации для обнаружения признаков DDoS-атак IoT-ботнетов | en_US |
| dc.title.alternative | Comparison of the effectiveness of classification algorithms for detecting signs of DDoS attacks by IoT botnets | en_US |
| dc.type | Article | en_US |
| local.description.annotation | A comparative analysis of the effectiveness of classification algorithms for detecting signs
of DDoS-attacks by IoT-botnets has been carried out. A significant variation of classification results
is shown depending on the dataset used, which indicates the importance of correct data selection for
training and testing machine learning models. | en_US |
| Appears in Collections: | Технологии передачи и обработки информации : материалы Международного научно-технического семинара (2024)
|
